一种基于CA-SPCNN的图像增强算法制造技术

本发明专利技术提供了一种基于CA‑SPCNN的图像增强算法，属于图像处理技术领域，用于解决现有图像增强算法计算量较大和计算过程复杂的技术问题。本发明专利技术通过对原始图像进行归一化图像处理，将原始图像分为红、绿、蓝三个通道的归一化图像，提取每个像素点三个通道的最大值，并将所有像素合并为一个矩阵，组成最大强度图像，通过CA‑SPCNN算法实现图像，再得到数值变换图像，将获得的归一化图像与数值变换图像整合获得最终增强图像。本发明专利技术所提出的算法在SPCNN算法的基础上，通过CA‑SPCNN算法与其他算法的结合并加以改进得以实现低亮度彩色图像增强，算法的计算复杂度低，计算量小，过程收敛，精确度高。

【技术实现步骤摘要】
一种基于CA-SPCNN的图像增强算法
本专利技术属于图像处理
，涉及一种图像增强算法，特别是一种基于CA-SPCNN的图像增强算法。
技术介绍
图像增强对提高彩色图像视觉质量起着关键作用。由于受到成像设备、成像光照条件等因素的影响，彩色图像通常存在亮度低、局部细节信息不明显等问题，不利于人眼视觉辨识或机器自动识别。在实际应用中，通常采用图像增强技术来提高彩色图像的视觉效果。图像增强技术升级的核心在于优化算法，提升算力。目前图像增强算法主要分为基于空域的算法和基于频域的算法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波(即只让低频信号通过)法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。后者具有代表性的算法有局部求平均值法和中值滤波法(取局部邻域中的中间像素值)等，它们可用于去除或减弱噪声。图像增强的最终目的是通过一定手段对原始图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征(图像亮度，对比度以及局部细节)，使图像与视觉响应特性相匹配。现有的图本文档来自技高网...

【技术保护点】
1.一种基于CA-SPCNN的图像增强算法，其特征在于，所述基于CA-SPCNN的图像增强算法的步骤如下：/n步骤一：采用归一化图像处理方法，通过调整原始图像的像素值，重新确定CA-SPCNN模型的外部输入刺激；/n步骤二：将彩色图像分为红，绿和蓝三个通道的灰度子图像；/n步骤三：提取每个像素点三个通道的最大值，并将所有像素合并为一个矩阵，组成最大强度图像；/n步骤四：设定CA-SPCNN的预定义迭代次数T的值，设定CA-SPCNN的其它6个自适应参数，表达式如下：/n

【技术特征摘要】
1.一种基于CA-SPCNN的图像增强算法，其特征在于，所述基于CA-SPCNN的图像增强算法的步骤如下：
步骤一：采用归一化图像处理方法，通过调整原始图像的像素值，重新确定CA-SPCNN模型的外部输入刺激；
步骤二：将彩色图像分为红，绿和蓝三个通道的灰度子图像；
步骤三：提取每个像素点三个通道的最大值，并将所有像素合并为一个矩阵，组成最大强度图像；
步骤四：设定CA-SPCNN的预定义迭代次数T的值，设定CA-SPCNN的其它6个自适应参数，表达式如下：






Kn＝e-nα
β＝e-α
V＝e-2α+e-3α



其中，T值为设定的算法想要的迭代次数；
α是内部活动项的衰减参数；
β表示某一神经元与其周围神经元的链接强度；
V表示动态阈值的幅值；
Wijkl是神经元的突触权重矩阵；
Kn是动态阈值E的辅助调节参数；
LT是点火神经元的控制参数；
步骤五：设定CA-SPCNN模型的馈送输入、链接输入、内部活动项、点火条件和动态阈值，并将每次的迭代结果根据迭代次数合并为一个最终结果Sac，算法如下：
Fij[n]＝Sij









Eij[n]＝e-2αEij[n-1]+Kn+VLTYij[n]
其中，Fij[n]表示神经元Nij在位置(i,j)处的馈送输入，它由外部激励Sij表示，由外部因素作用产生；
Lij[n]表示神经元Nij在位置(...

【专利技术属性】
技术研发人员：廉敬，杨臻，漆云亮，孙文灏，马义德，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：甘肃;62